文献

J-GLOBAL ID：202202213301256309   整理番号：22A0226583

グラフニューラルネットワークに基づく薬物-標的相互作用を用いた標的蛋白質(SARS-CoV-2)のための新規分子の生成【JST・京大機械翻訳】

Generating novel molecule for target protein (SARS-CoV-2) using drug-target interaction based on graph neural network

著者 (4件)： Ranjan Amit (Department of Computer Science and Engineering, Indian Institute of Technology Patna, Patna, India) ,  Shukla Shivansh (Department of Computer Science and Engineering, Indian Institute of Technology Patna, Patna, India) ,  Datta Deepanjan (Department of Computer Science and Engineering, Indian Institute of Technology Patna, Patna, India) ,  Misra Rajiv (Department of Computer Science and Engineering, Indian Institute of Technology Patna, Patna, India)
資料名： Network Modeling Analysis in Health Informatics and Bioinformatics  (Network Modeling Analysis in Health Informatics and Bioinformatics)
巻： 11  号： 1  ページ： 6  発行年： 2022年 
JST資料番号： W4796A  ISSN： 2192-6670  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： ウイルスコロナウイルス(SARS-CoV-2)の伝染性伝播は,世界的な死亡率の有意な増加をもたらした。効果的な処理の欠如のため,著者らの目的はSARS-CoV-2の蛋白質構造と結合できる非常に強力な活性分子を生成することである。異なる機械学習と深層学習アプローチが分子生成のために提案された。しかし,これらのアプローチの大部分は1D配列における薬物分子および蛋白質構造を表し,分子が3D構造において性質によって,この多くの臨界特性が失われるという事実を無視している。本研究では,Gate Graphニューラルネットワーク(GGNN),知識グラフ,および早期融合アプローチを用いて,分子および蛋白質の三次および逐次表現の両方を考慮したフレームワークを提案した。GGNNから生成された分子は,初期核融合モデルに供給する前に,非結合分子を捨てることによって探索空間を減らすために,知識グラフを用いてスクリーニングされる。さらに,生成分子の結合親和性スコアを初期融合アプローチを用いて予測した。実験結果は,著者らのフレームワークが,化学特性を維持しながら,高精度で妥当でユニークな分子を生成することを示した。知識グラフの利用により,分子の全生成データセットは,約96%減少し,一方,良好な結合望ましい分子の85%以上を保持し,無果実分子の99%以上を拒絶した。さらに,骨格をSARS-CoV-2ウイルス蛋白質:RNA依存性RNAポリメラーゼ(RdRp)と3C様プロテアーゼ(3CLpro)の2つで試験した。Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH Austria, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *相互作用 ,  *ニューラルネットワーク ,  RNAポリメラーゼ ,  死亡率 ,  *タンパク質 ,  核融合 ,  臨界 ,  ウイルスタンパク質 ,  ペプチド結合ヒドロラーゼ ,  一次元 ,  親和性 ,  三次元 ,  機械学習
準シソーラス用語： 蛋白質構造 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 分子生成 ,  薬物標的親和性予測 ,  グラフニューラルネットワーク ,  深層学習

分類 (1件)： ウイルスの生化学  (EG04030F)

タイトルに関連する用語 (7件)： グラフニューラルネットワーク ,  薬物 ,  標的 ,  相互作用 ,  標的蛋白質 ,  SARS-CoV-2 ,  分子